マウスの睡眠段階のスコアリング：データの前処理がシステムのパフォーマンスに及ぼす影響

マウスとラットの睡眠段階分析は、マウスが睡眠中に電気活動を示し、人間の睡眠と根本的な類似性を持つという事実のために、近年注目を集めています。従来のマニュアルと自動睡眠覚醒スコアリングの両方は、脳波（EEG）で測定された脳波と骨格筋の筋電図（EMG）によって検出された活動を使用するルールベースのタスクです。機械学習方法に基づいて、自動睡眠スコアリングシステムを提供しようとしていくつかの作品が実施されています。この研究では、この問題の複雑さの背後にある理由を理解しようとし、異なる分類方法を比較するより良い段階差別につながる正規化手順の重要性を強調します。

Sleep-stage analysis in mice and rats has received growing attention in recent years, due to the fact that mice display electrical activity during sleep which has underlying similarities with that of human sleep. Both conventional manual and automatic sleep-wakefulness scoring are rule based tasks which use brain waves measured by Electroencephalogram (EEG) and activity detected by Electromyography (EMG) of skeletal muscles. Several works have been conducted trying to provide an automatic sleep-scoring system on the basis of machine learning methods. In this study we try to understand the reasons behind the complexity of this problem and we emphasize the importance of normalization procedure that leads to a better stage discrimination comparing different classification methods.